論文の概要: Double Diffusion Maps and their Latent Harmonics for Scientific Computations in Latent Space

• arxiv url: http://arxiv.org/abs/2204.12536v1
• Date: Tue, 26 Apr 2022 18:44:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-28 13:06:30.865716
• Title: Double Diffusion Maps and their Latent Harmonics for Scientific Computations in Latent Space
• Title（参考訳）: 宇宙空間における二重拡散図とその科学的計算のための潜在高調波
• Authors: Nikolaos Evangelou, Felix Dietrich, Eliodoro Chiavazzo, Daniel Lehmberg, Marina Meila and Ioannis G. Kevrekidis
• Abstract要約: 我々は、多様体学習による縮小された力学モデルを構築するためのデータ駆動型アプローチを導入する。 遅延空間の減少は、時系列データ上で拡散マップを用いて検出される。 それらの潜在座標上の拡散マップの第2ラウンドは、還元された力学モデルの近似を可能にする。
• 参考スコア（独自算出の注目度）: 3.7515646463759698
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce a data-driven approach to building reduced dynamical models through manifold learning; the reduced latent space is discovered using Diffusion Maps (a manifold learning technique) on time series data. A second round of Diffusion Maps on those latent coordinates allows the approximation of the reduced dynamical models. This second round enables mapping the latent space coordinates back to the full ambient space (what is called lifting); it also enables the approximation of full state functions of interest in terms of the reduced coordinates. In our work, we develop and test three different reduced numerical simulation methodologies, either through pre-tabulation in the latent space and integration on the fly or by going back and forth between the ambient space and the latent space. The data-driven latent space simulation results, based on the three different approaches, are validated through (a) the latent space observation of the full simulation through the Nystr\"om Extension formula, or through (b) lifting the reduced trajectory back to the full ambient space, via Latent Harmonics. Latent space modeling often involves additional regularization to favor certain properties of the space over others, and the mapping back to the ambient space is then constructed mostly independently from these properties; here, we use the same data-driven approach to construct the latent space and then map back to the ambient space.
• Abstract（参考訳）: 本研究では, 時間列データ上での拡散マップ(Diffusion Maps, 多様体学習手法)を用いて, 遅延空間の削減を図った。 これらの潜在座標上の拡散写像の第二ラウンドは、還元力学モデルの近似を可能にする。 この第2ラウンドでは、潜在空間座標を全周囲空間(リフトと呼ばれる)にマッピングすることができる。 本研究では,潜伏空間における事前集計とフライ上の積分,あるいは周囲の空間と潜伏空間の間を行き来する3つの異なる数値シミュレーション手法を開発・テストした。 3つの異なるアプローチに基づくデータ駆動潜在空間シミュレーションの結果は検証される (a)nystr\"om拡張公式による全シミュレーションの潜在空間観測、またはその経由 (b)潜在調和によって、縮小された軌道を全周囲空間へ持ち上げること。 潜在空間モデリングは、しばしば他の空間よりも空間の特定の性質を優先するために追加の正則化を伴い、その後、周囲空間への写像はこれらの性質とは独立に構築される。

関連論文リスト

• G2SDF: Surface Reconstruction from Explicit Gaussians with Implicit SDFs [84.07233691641193]
  G2SDFはニューラル暗黙の符号付き距離場をガウススプラッティングフレームワークに統合する新しいアプローチである。 G2SDFは, 3DGSの効率を維持しつつ, 従来よりも優れた品質を実現する。
  論文  参考訳（メタデータ） (2024-11-25T20:07:07Z)
• DeSiRe-GS: 4D Street Gaussians for Static-Dynamic Decomposition and Surface Reconstruction for Urban Driving Scenes [71.61083731844282]
  本稿では,自己教師型ガウススプラッティング表現であるDeSiRe-GSについて述べる。 複雑な駆動シナリオにおいて、効率的な静的・動的分解と高忠実な表面再構成を可能にする。
  論文  参考訳（メタデータ） (2024-11-18T05:49:16Z)
• Isometric Representation Learning for Disentangled Latent Space of Diffusion Models [17.64488229224982]
  等方的拡散(Isometric Diffusion)を提案し、幾何正則化器を備えた拡散モデルを用いてモデルを誘導し、トレーニングデータ多様体の幾何学的音響潜在空間を学習する。 このアプローチにより拡散モデルはより不整合な潜在空間を学習することができ、より滑らかで正確に逆転し、潜在空間に直接属性を制御できるようになる。
  論文  参考訳（メタデータ） (2024-07-16T07:36:01Z)
• Twin Deformable Point Convolutions for Point Cloud Semantic Segmentation in Remote Sensing Scenes [12.506628755166814]
  双変形点畳み込み(TDConvs)と呼ばれる新しい畳み込み作用素を提案する。 これらの演算子は、緯度-経度面と高度方向の変形可能なサンプリングポイントを学習することで適応的な特徴学習を実現することを目的としている。 既存のベンチマークの実験では、TDConvsが最高のセグメンテーション性能を達成していると結論付けています。
  論文  参考訳（メタデータ） (2024-05-30T06:31:03Z)
• IME: Integrating Multi-curvature Shared and Specific Embedding for Temporal Knowledge Graph Completion [97.58125811599383]
  時間的知識グラフ(TKG)は時間次元を取り入れており、知識の進化を正確に捉えることができる。 本稿では,TKGCタスクのための新しい多曲率共有固有埋め込み(IME)モデルを提案する。 IMEは2つの重要な性質、すなわち空間共有性と空間固有性を含んでいる。
  論文  参考訳（メタデータ） (2024-03-28T23:31:25Z)
• Motion2VecSets: 4D Latent Vector Set Diffusion for Non-rigid Shape Reconstruction and Tracking [52.393359791978035]
  Motion2VecSetsは点雲列からの動的表面再構成のための4次元拡散モデルである。 グローバルな潜在符号の代わりに、潜在集合で4Dダイナミクスをパラメータ化する。 時間的コヒーレントな物体追跡のために、変形潜在集合を同期的に認知し、複数のフレーム間で情報を交換する。
  論文  参考訳（メタデータ） (2024-01-12T15:05:08Z)
• Jointly spatial-temporal representation learning for individual trajectories [30.318791393724524]
  本稿では、学習可能な時空間依存を軌跡表現にフォーマル化する時空間共同表現学習法(ST-GraphRL)を提案する。 実世界の3つの人間の移動性データセットを用いて,ST-GraphRLは,移動時空間分布の予測と,空間時空間相関の高い軌道類似性の保存において,すべてのベースラインモデルより優れていた。
  論文  参考訳（メタデータ） (2023-12-07T05:27:24Z)
• Unraveled Multilevel Transformation Networks for Predicting Sparsely-Observed Spatiotemporal Dynamics [12.627823168264209]
  疎分散データサイトからのデータを用いて未知のダイナミクスを予測するモデルを提案する。 合成気候データと実世界の気候データの両方を用いて、我々のアプローチの利点を実証する。
  論文  参考訳（メタデータ） (2022-03-16T14:44:05Z)
• Averaging Spatio-temporal Signals using Optimal Transport and Soft Alignments [110.79706180350507]
  Fr'teche は双対性を意味し, 時間的バレシェセンタを定義するために提案した損失が有効であることを示す。 手書き文字と脳画像データによる実験は、我々の理論的発見を裏付けるものである。
  論文  参考訳（メタデータ） (2022-03-11T09:46:22Z)
• Intrinsic Point Cloud Interpolation via Dual Latent Space Navigation [38.61801196027949]
  本稿では,点雲として表される3次元形状を補間・操作する学習手法を提案する。 提案手法は, 合成形状を可能とし, 同時に固有形状情報へのリンクを提供する2つの符号化空間を構築することに基づく。
  論文  参考訳（メタデータ） (2020-04-03T16:28:55Z)
• Disentangling and Unifying Graph Convolutions for Skeleton-Based Action Recognition [79.33539539956186]
  本稿では,マルチスケールグラフ畳み込みと,G3Dという空間時間グラフ畳み込み演算子を結合する簡単な方法を提案する。 これらの提案を結合することにより,MS-G3Dという強力な特徴抽出器を開発し,そのモデルが3つの大規模データセット上で従来の最先端手法より優れていることを示す。
  論文  参考訳（メタデータ） (2020-03-31T11:28:25Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。